Sesión 1

Curso: Fundamentos R para Ciencia de Datos en Salud

Percy Soto-Becerra, M.D., M.Sc(c)

InkaStats Academy | Latin Data Science Solutions S.A.C.

  https://github.com/psotob91

Introducción a la Estadística y Ciencia de Datos

Agenda

  1. Introducción a la Estadística y Ciencia de Datos

  2. Análisis de datos reproducible

  3. R y RStudio

  4. Aspectos elementales de R y Rstudio

Datos y mundo actual


La crisis de replicabilidad de la Ciencia

(incluyendo Ciencias Médicas)

Ciencia de Datos

En general

  • La Ciencia de Datos es una disciplina que se dedica al estudio y aplicación de técnicas diversas (estadística, informática, etc.) para convertir datos crudos en información y conocimiento.

  • En este curso aprenderemos a hacer esto de manera ordenada.

  • Este es un curso introductorio con énfasis en pensamiento estadístico.

En salud

Ciencia de Datos en Salud (Health Data Science en inglés) es la ciencia y el arte de generar soluciones basadas en datos a través de la comprensión de problemas de salud complejos del mundo real, empleando el pensamiento crítico y el análisis para derivar conocimiento de los (grandes) datos.1

Análisis de datos reproducible

Agenda

  1. Introducción a la Estadística y Ciencia de Datos

  2. Análisis de datos reproducible

  3. R y RStudio

  4. Aspectos elementales de R y Rstudio

Checklist de reproducibilidad

¿Qué significa que un análisis de datos es “reproducible”?

A corto plazo

  • ¿Las tablas y figuras se pueden reproducir del código y datos?

  • ¿El código realmenet hace lo que quieres que haga?

  • ¿Es claro por qué el código hace lo que hace?

A largo plazo

  • ¿Puede el código ser usado con otros datos?

  • ¿Puedes extender el código a otros usos?

Flujograma de ciencia de datos

Kit de herramientas para reproducibilidad

 

  • Flujo de trabajo reproducible

    • Scriptabilidad

    • Programación literaria (código, narrativa, salida en un solo lugar) Markdown

    • Versión de control Git / Github

  • En este curso nos enfocaremos en Scriptabilidad y Programación literaria.

R y RStudio

Agenda

  1. Introducción a la Estadística y Ciencia de Datos

  2. Análisis de datos reproducible

  3. R y RStudio

  4. Aspectos elementales de R y Rstudio

R y RStudio


  • R es un lenguaje de programación estadística de código abierto.

  • R también es un entorno para computación estadística y gráfica.

  • Está potenciado con paquetes.

  • RStudio es una interfaz para R denominada IDE (integrated development environment).

  • RStudio no es requerido para programar con R, pero es uno de los IDE más comúnmente utilizados.

  • Actualmente convirtiéndose en posit.

El problema de R: su aspecto

RStudio: el chasis del carro

En resumen, R y RStudio


En resumen, R y RStudio

Jerga básica de R

Objeto: Cualquier abstracción en R. Los datos son objetos en R.

Función: Código capaz de realizar una acción específica con los datos. También es un objeto: un objeto que actúa sobre otros objetos.

Paquetes: Library en inglés. Conjunto de funciones que realizan acciones a menudo relacionadas en R.

Paquetes de R base: Conjunto de paquetes instalados por defecto en R.

Paquetes de R tidy: Conjunto de paquetes que siguen el estilo tidy en R.

Paquetes de R

 

  • Los paquetes son las unidades fundamentales del código reproducible en R.

  • Al 13 de junio de 2022, hay 18 560 paquetes disponibles.

  • ¡Trabajaremos con un pequeño (pero importante) conjunto de estos!

  • Cada paquete contiene una o más funciones que ejecutan tareas.

  • ¡Hay paquetes de todo tipo y para todos los gustos!

R y sus paquetes


En resumen: R, RStudio y sus paquetes

tidyverse

  

tidyverse.org

  • Tidyverse es una colección grande de paquetes de R diseñados para hacer ciencia de datos: Es un metapaquete.

    • Todos los paquetes comparten una filosofía subyacente y una gramática común.

  • R, como todo lenguaje, tiene varios dialectos.

    • Dos dialectos predominan: R base y R tidy.

    • R tidy se basa en la filosofía de tidyverse.

  • Usaremos este enfoque predominantemente y R base cuando no tenga remplazo o sea más sencillo usarlo.

Aspectos elementales de R y Rstudio

Agenda

  1. Introducción a la Estadística y Ciencia de Datos

  2. Análisis de datos reproducible

  3. R y RStudio

  4. Aspectos elementales de R y Rstudio

Primero instale R, R Studio y R tools

  • Si aún no ha instalado R y RStudio, revise el tutorial de instalación de R que hemos preparado para el curso:

  • Pause el video, instale y vuelva cuando todo esté listo.

Nuestro turno





10:00

Ventanas de RStudio


Código en scripts de R


  • El código se escribe en el Script, pero no se imprime.

  • Los resultados se imprimen en la consola.

  • Aunque es útil usar la consola, es preferible usar herramientas de programación literaria:

    • RMarkdown o Quarto.

R Markdown y Quarto

 

rmarkdown.rstudio.com

 

  • rmarkdown y quarto permiten a los usuarios de R escribir su código y prosa en documentos computacionales reproducibles.

  • Por lo general, nos referimos a documentos R Markdown con la extensión .Rmd y a los documentos Quarto con la extensión .qmd.

 

Archivo R Markdown (.Rmd) a PDF

R Markdown evolucionó a Quarto

  • Recientemente, RStudio presentó Quarto: https://quarto.org/.
  • Quarto es la versión mejorada de RMarkdwon.
  • Si usaste RMarkdown, puedes ejecutar tus códigos en Quarto sin ningún problema.
  • Quarto permite ejecutar código Python, Julia y Observable.

R Markdown y Quarto son muy flexibles

 

  • Herramientas de programación literaria:

    • Legibles para la computadora y para el ser humano.

  • Útiles para alcanzar reproducibilidad.

  • También muy útiles para diversas actividades académicas:

    • Presentaciones académicas

    • Artículos científicos

    • Diseño de blogs, web u otra herramienta de difusión de conocimiento.

Quarto permite crear artículos

Quarto permite crear presentaciones

De hecho, los slides de este curso están hechas en Quarto

Quarto permite crear Website

¡Sí!, la web de este curso también está hecha en Quarto

Quarto permite crear Libros

Quizás para una futura edición del curso

Programación Literaria

¿Cómo usaremos Quarto en el curso?


  • Cada ejercicio / reporte / proyecto / tarea / etc. será hecho en un documento R Markdown aumentado: Quarto.

  • Siempre te proporcionaremos una plantilla de documento Quarto para iniciar.

  • Las plantillas irán modificándose conforme avancemos el curso.

  • Las plantillas son simplemente eso, plantillas, para usarlas en su día a día no necesita pensar mucho en ellas ni entenderlas a detalle.

  • Yo entiendo menos del 20% de estas y aún así me sirven mucho para mi trabajo diario. ¡Sugiero comenzar haciendo lo mismo!

Partes de un documento Quarto / R Markdown

Hagamos una pausa

Tomemos un descanso de 5 minutos…

Estire las piernas …

Deje de ver las pantallas …

… cualquier , las del celular también.

05:00

¡Gracias!
¿Preguntas?




@psotob91

https://github.com/psotob91

psotob@inkastats-academy.com

Fundamentos R para Ciencia de Datos en Salud - Sesión 1